人脸定位仅10行python?竟能同时处理100张，机器学习低配也胜任

今天介绍一个快速定位人脸的深度学习算法MTCNN，全称是：Multi-task Cascaded Convolutional Networks多任务级联卷机网。这个快速定位的深度学习有3个很好的作用。

1.可以构建除人脸外其他快速定位的应用。

2.可以在定位人脸后，提高后面对人脸识别的速度。

3.分步骤级联算法，可以尝试提高每层算法的优化，给出一个优化算法的可行方案。

本案就是利用MTCNN构建3个卷积网逐层处理，最终确定人脸个数，人脸的具体位置和五官位置！

上图简析了程序的3个步骤。

stage1: 在构建图像金字塔的基础上，通过全卷机网检测人脸个数和大致区域，同时利用boundingbox regression (边框回归)和 NMS(非极大值抑制（Non-Maximum Suppression)来进行修正。（注意：这里的全卷积网络与R-CNN里面带反卷积的网络是不一样的，这里只是指只有卷积层，可以接受任意尺寸的输入，靠网络stride来自动完成滑窗）

stage2: 将通过stage1的所有窗口输入作进一步判断，同时也要做boundingbox regression 和 NMS。

stage3: 和stage2相似，只不过增加了更强的约束：5个人脸关键点。

程序对应的 create_mtcnn建立了这3个全卷积层。

以上程序构成的全卷积网络的概览

以上3图详解了3个全卷积层的尺寸构成。逐层细化，以此来加快速度是一个基本思路。

程序结合opcv对图像进行实时采集和处理显示。最终结果

下一篇文章我们讲讲这里面用到的boundingbox regression (边框回归)和 NMS(非极大值抑制（Non-Maximum Suppression)算法。

需要代码可以点击左下角的了解跟多，可以从我们网站上下载源码。另外关注我们，有更多可以实际运行的深度学习案例。

昂钛客ai专注人工智能社群，做最真实的人工智能！请关注我们、留言、点赞！

请关注